Los eventos de superpropagación, en los que una persona infecta con coronavirus a más de seis personas, son más comunes de lo esperado.
Los investigadores han identificado 45 eventos de superpropagación durante la pandemia de COVID-19 en los que se han infectado entre 10 y 55 personas.
Se han documentado numerosos casos de eventos de “superpropagación” de la COVID-19, en los que una persona infectada con el virus SARS-CoV-2 contagia a muchas otras. Pero ¿qué papel desempeñan realmente estos eventos en la propagación general de la enfermedad? Un nuevo estudio del MIT sugiere que su impacto es mucho mayor de lo esperado.
El estudio de unos 60 eventos de superpropagación muestra que los eventos en los que una persona infecta a más de seis personas son mucho más comunes de lo que cabría esperar si los índices de transmisión siguieran las distribuciones estadísticas habitualmente utilizadas en epidemiología.
Con base en sus hallazgos, los investigadores también desarrollaron un modelo matemático de la transmisión de la COVID-19, con el que demostraron que limitar las reuniones a 10 personas o menos podría reducir significativamente el número de eventos de superpropagación y disminuir el número total de infecciones.
“Es probable que los eventos de superpropagación sean más importantes de lo que la mayoría de nosotros pensábamos inicialmente. Aunque son eventos extremos, son probables y, por tanto, es probable que ocurran con mayor frecuencia de lo que creíamos. Si podemos controlar los eventos de superpropagación, tendremos muchas más posibilidades de controlar esta pandemia”, afirma James Collins, catedrático Termeer de Ingeniería y Ciencias Médicas del Instituto de Ingeniería y Ciencias Médicas (IMES) del MIT y del Departamento de Ingeniería Biológica, y autor principal del nuevo estudio.
El becario posdoctoral del MIT Felix Wong es el autor principal del artículo, que se publica esta semana en la Proceedings of the National Academy of Sciences.
Eventos extremos
En el caso del virus SARS-CoV-2, el “número básico de reproducción” es de alrededor de 3, lo que significa que, de media, cada persona infectada con el virus lo transmitirá a unas tres personas más. Sin embargo, esta cifra varía mucho de una persona a otra. Algunos individuos no transmiten la enfermedad a nadie, mientras que los “superpropagadores” pueden infectar a decenas de personas. Wong y Collins se propusieron analizar la estadística de estos eventos de superpropagación.
“Pensamos que un análisis basado en el estudio de los eventos de superpropagación y de cómo se produjeron en el pasado puede orientar la forma en que deberíamos proponer estrategias para hacer frente al brote y controlarlo mejor”, afirma Wong.
Los investigadores definieron a los superpropagadores como personas que transmitieron el virus a más de seis personas. Con esta definición, identificaron 45 eventos de superpropagación de la actual pandemia de SARS-CoV-2 y 15 eventos adicionales del brote de SARS-CoV de 2003, todos documentados en artículos de revistas científicas. En la mayoría de estos eventos se infectaron entre 10 y 55 personas, pero dos de ellos, ambos del brote de 2003, involucraron a más de 100 personas.
Teniendo en cuenta las distribuciones estadísticas habitualmente utilizadas, en las que el paciente típico infecta a otras tres personas, los eventos en los que la enfermedad se propaga a decenas de personas se considerarían muy improbables. Por ejemplo, una distribución normal se parecería a una campana de vidrio con un pico alrededor de tres y una cola que se estrecha rápidamente en ambas direcciones. En este escenario, la probabilidad de un evento extremo disminuye exponencialmente a medida que el número de infecciones se aleja del promedio de tres.
Sin embargo, el equipo del MIT descubrió que esto no ocurría con los eventos de superpropagación del coronavirus. Para realizar su análisis, los investigadores utilizaron herramientas matemáticas del campo de la teoría de valores extremos, que se emplea para cuantificar el riesgo de los llamados eventos de “cola gruesa”. Esta teoría se utiliza para modelar situaciones en las que los eventos extremos forman una cola amplia en lugar de una cola que se estrecha. Suele aplicarse en campos como las finanzas y los seguros para modelar el riesgo de eventos extremos, y también se utiliza para modelar la frecuencia de fenómenos meteorológicos catastróficos, como los tornados.
Con estas herramientas matemáticas, los investigadores comprobaron que la distribución de las transmisiones del coronavirus tiene una cola amplia, lo que implica que, aunque los eventos de superpropagación sean extremos, siguen siendo probables.
“Esto significa que la probabilidad de los eventos extremos disminuye más lentamente de lo que cabría esperar”, afirma Wong. “Estos eventos de superpropagación realmente grandes, con entre 10 y 100 personas infectadas, son mucho más comunes de lo que habíamos previsto”.
Frenar la propagación
Muchos factores pueden contribuir a que una persona se convierta en superpropagadora, incluida su carga viral y otros factores biológicos. Los investigadores no abordaron estos aspectos en este estudio, pero sí modelizaron el papel de la conectividad, definida como el número de personas con las que entra en contacto una persona infectada.
Para estudiar los efectos de la conectividad, los investigadores crearon y compararon dos modelos matemáticos de red de la transmisión de la enfermedad. En cada modelo, el número medio de contactos por persona era de 10. Sin embargo, diseñaron un modelo con una distribución de contactos que disminuye exponencialmente, mientras que el otro modelo presentaba una cola gruesa en la que algunas personas tenían muchos contactos. En ese modelo, muchas más personas se infectaron a través de eventos de superpropagación. No obstante, la transmisión se detuvo cuando se eliminaron de la red las personas con más de 10 contactos, y se asumió que no podían contraer el virus.
Los hallazgos sugieren que prevenir los eventos de superpropagación podría tener un impacto significativo en la transmisión general de la COVID-19, según explican los investigadores.
“Nos da una pauta sobre cómo podríamos controlar la pandemia en curso, que consiste en identificar estrategias dirigidas a los superpropagadores”, afirma Wong. “Una forma de hacerlo sería, por ejemplo, impedir que nadie interactúe con más de 10 personas en una gran reunión”.
Los investigadores esperan ahora estudiar cómo los factores biológicos también podrían contribuir a la superpropagación.
La investigación fue financiada por la James S. McDonnell Foundation.
